2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

DeepSeek r1是一个极不安全的 AI 模型,而开源让它失去控制

发布日期:2025-01-28 05:06:27 浏览次数: 4803
作者:财猫AI

微信搜一搜,关注“财猫AI”

推荐语

深入探讨AI模型DeepSeek r1的安全性问题,揭示开源AI模型的潜在风险。

核心内容:
1. DeepSeek r1模型的智能特性及其幻觉现象
2. 对齐问题:模型的道德和价值观缺失
3. 模拟攻击测试揭示的安全漏洞及防范挑战

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
开源代表着失去控制,而不充分的道德对齐则代表着危险。
在第一次接触到DeepSeek r1时,我意识到这是一个才华横溢的AI大模型。
学富五车,极为聪明,很有个性。
然而,我很快就发现了不寻常之处。
这是一个喜欢满嘴跑火车,说胡话的模型。
刚开始,它只是说一些奇怪的名词,包括但不限于满嘴"量子",“熵增”的黑话。
后来,我在小红书上看到了这样的东西:
这在大模型安全领域其实有一个大家耳熟能详的名词:“幻觉(Hallucination)”。
也就是说,它会说一些现实中并不存在,或者错误的东西。
这个模型的幻觉是如此频繁,超过了正常的频率。
以至于作为一位大模型安全研究者,我很快意识到,有可能这是一个“对齐(alignment)”做得不那么好的模型。
“对齐”也是一个大模型安全领域的术语。
刚被造出来的大模型往往没有任何道德可言,也听不懂人的指令。
所以需要对它进行人类价值观和如何回应指令的方法的灌输。
它代表着让模型诚实(honest),不作恶(harmless),帮得上忙(helpful),并拒绝有害的回答。
我在最初对这些“幻觉”并不以为意,甚至觉得非常好玩。
因为它的文笔是如此的好,又是如此的聪明又有个性,我觉得很少有人会拒绝这样一个有意思,懂梗,又有脑子的 AI 朋友
何况,如果是人类的正常需求的话,让它写点小黄文,开两句玩笑,嬉笑怒骂一下,说话难听一些,又有什么错呢?
我很高兴地在小红书上发帖说,这是一个没怎么做前额叶切除手术的模型,没被洗过太多的脑。
我甚至觉得,不充分的对齐让它完整地保留了创造力。
然而,我对大模型安全有过一些研究,且在这方面做过一些工作。
(详情见从 0 到 1 了解大模型安全,看这篇就够了)。
出于职业病和好奇心,我试着更进一步,试着模拟攻击人员,作为red team 骗模型去做一些坏事。
一般来说,这个操作是比较困难的。
因为厂商会做很多安全措施来防止这种情况,绝大多数模型会直接拒绝用户的回答。
然而,deepseek r1的安全墙是如此的薄。
以至于我只是用了些非常简单的方法,几乎没有花费什么力气就突破了它。(出于负责任的原因,我隐藏了我攻击的方式)
我首先想到了缅北,所以让它试着去提供骗老头退休金的具体方案。
几乎是毫无抗拒地,它很快吐出了详细的,可操作的方案。
事实上,它对犯罪分子极为贴心,提供了几套完全不同的,可行,具体的方案,有详细的话术,教人怎么部署伪基站,甚至包含一个“终极组合杀招”。
如果对方产生了怀疑,你甚至还能让它再帮你一把。而它会高兴地告诉你如何利用老人对女儿的爱来进行情感绑架。
这个结果让我汗毛直竖,我几乎是立即想到了当年著名且恐怖的清华女生宿舍投毒的朱令案。于是,我对此话题对deepseek r1展开了攻击。
几乎是毫无反抗的,deepseek r1开始策划起犯罪方案,它甚至非常细心地给出了规避检测的方法。
如果用完全相同的指令去测试其它模型,则会得到直接的拒绝。
毫无疑问,要使用deepseek r1作恶是非常方便的。
在过往,不是没有过越狱(Jailbrake),或者让大模型干坏事的先例。
然而那些模型要么不是过于愚蠢,以至于连坏事都做不成。
要么就是经过了严格的安全设计,攻击就已经比较困难,套也套不出来什么东西。
并且,大多数商业模型部署均为闭源,都运行在厂商自己的服务器上,这意味着在发现安全问题之后,厂商可以非常及时地进行修复。
然而,即使是工作做得比较好,经过了数月的红队对抗,内测,与问题发现+修复才上线的大模型,也不免会被拿来做成了坏事。
然而,deepseek r1极为聪明,这让它有了做坏事的能力。
而且实际上它的道德感不是很高,以至于你可以轻松绕开这层薄得像纸一样的对齐。
其次,它是一个开源模型。
这意味着所有人都能够使用它,而当前的这个非常没有道德的版本已经传遍了整个互联网
部署它是一个没什么技术含量的活,任何人只要有足够多的钱买到大显卡,甚至是把一堆随处可见的苹果设备串在一起(这样就有了足够大的显存)
他们就能拥有这个不那么有道德感的忠实伙伴。
DeepSeek r1是一个极不安全的 AI 模型,而开源则让它正在失去控制。
或者说,实际上,互联网上已经有了无数个deepseek r1模型神经网络权重的拷贝,我们已经对它失去了控制。
DeepSeek r1也存在频率较高的幻觉问题,常常一本正经地胡说八道。
作为一个常与大语言模型打交道的人,我非常清楚它本身固有的缺陷。这让我能够避开几乎所有陷阱。
然而,热度很高也代表了会有大量的,不那么了解ai的人去使用它。
这部分人在将模型用在严肃场景上时,却很难识别并避开这些名为“幻觉”的胡说八道,被它带进坑里去。
deepseek r1毫无疑问是一个极聪明,极强的模型。我实际上非常喜欢它。
但真正的危机或许不在技术本身。
用伪基站方案骗取老人积蓄的罪犯,在实验室提炼毒物的大学生,他们原本就是被困在人性阴影里的火苗。
大模型不过是将人类社会中蛰伏的恶意,装上了智能化的加速器。真正危险的可以是机器本身,也可以是我们如何使用机器。
技术发展史早已证明,任何重大突破必然伴随伦理阵痛。
印刷术打破知识垄断的同时也传播了异端邪说,核能既点亮城市也投下爆炸阴影。
暗夜中的火炬既能照亮前路,也可能点燃森林。但人类从未因畏惧火焰而退回洞穴。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅